时间空间复杂度

在面临一种问题时，我们可以写不同的算法来解决这个问题，但如何判断一个算法的优劣？
不同的算法可能用不同的时间复杂度和空间复杂度来完成同样的任务。

时间复杂度（ come complexity）

在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。但是我们不能真的去计算代码所运行的时间，因此，一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次（大概执行次数），这就是时间复杂符。

Eg:

{
	int count = 0;
	for (int i = 0; i < N; ++i) //循环N次
	{
		for (int j = 0; j < N; ++j)
		{
			++count;
		}
	}
	for (int k = 0; k < 2 * N; ++k)
	{
		++count;
	}
	int M = 10;
	while (M--) 
	{
		++count;
	}
	printf("%d\n", count);
}

F（N）=N2+2*N+10
这是函数的执行次数，
大O阶方法：
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中，只保留最高阶项。
3、如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。
使用大O的渐进表示法以后，Func1的时间复杂度为O（N2）

空间复杂度（space complexity）

空间复杂度是对一个算法在运行过程中临时占用空间大小的量度，记做Sn=O(f(n))。空间复杂度不是程序占用了多少bytes的空间，因为这个也没太大意义，所以空间复杂度算的是变量的个数。
Eg：

void BubbleSort(int* a, int n) //变量
{
	assert(a);
	for (size_t end = n; end > 0; --end)//变量
	{
		int exchange = 0;// 变量
		for (size_t i = 1; i < end; ++i)//变量
		{
			if (a[i - 1] > a[i])
			{
				Swap(&a[i - 1], &a[i]);
				exchange = 1;
			}
		}
		if (exchange == 0)
			break;
	}
}

变量的个数为常数个，所有O（1）为这个函数的空间复杂度。
我们每次在编程题练习时题目会要求时间复杂度和空间复杂度。
Eg：